Задача
- Разбейте данные на обучающую и валидационную выборки.
- Инициализируйте модель с гиперпараметрами, которые дали наилучшее значение R2 в прошлом уроке.
- Обучите модель на обучающей выборке.
- На валидационной выборке посчитайте значение R2.
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.tree import DecisionTreeRegressor
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_absolute_error
data = pd.read_csv('/datasets/flights_preprocessed.csv')
target = data['Arrival Delay']
features = data.drop(['Arrival Delay'] , axis=1)
features_train, features_valid, target_train, target_valid = train_test_split(
features, target, test_size=0.25, random_state=12345)
model = RandomForestRegressor(max_depth=10, random_state=12345, n_estimators=60)
model.fit(features_train, target_train)
print("Наилучшая модель")
print("R2 на обучающей выборке: ", model.score(features_train, target_train)) # найдите значение метрики R2 на обучающей выборке
print("R2 на валидационной выборке: ", model.score(features_valid, target_valid))
